‏GLB-3D-Coder: مدل ۴ میلیاردی برای ساخت asset سه‌بعدی بازی

CCORE GLB-3D-Coder یه مدل ۴ میلیارد پارامتریه که از Qwen3.5-4B فاین‌تیون شده و فقط یه کار انجام می‌ده: از یه پرامپت متنی، asset سه‌بعدی بازی می‌سازه. خروجیش مستقیم فایل سه‌بعدی نیست؛ یه صفحهٔ HTML کامل می‌نویسه که با Three.js (یه کتابخونهٔ جاوااسکریپت برای گرافیک سه‌بعدی تو مرورگر) شیء رو می‌سازه، پیش‌نمایش زنده نشون می‌ده و یه دکمهٔ Export GLB داره. GLB یه فرمت فایل سه‌بعدیه که Godot و خیلی از ادیتورها مستقیم می‌خوننش.

مقالهٔ MindStudio این مدل رو با DeepSeek V4.1 Flash با reasoning effort بالا مقایسه کرده، با پرامپت‌های دقیقاً یکسان. پرامپت‌ها از یه خط کوتاه مثل «نگهبان فانوس دریایی با زره مرجانی» تا توضیح‌های چند پاراگرافی بودن، مثلاً یه مهندس نجات با پک باتری که با کابل قابل‌دیدن به کمربندش وصله، یا یه ایستگاه تراموای غار با ریل و وینچ و شش تا چراغ.

به گفتهٔ مقاله، هر دو مدل صحنه‌های low-poly قابل‌استفاده ساختن. ولی GLB-3D-Coder تو منطقی بودن مکانیکی بهتر بود: مسیر کابل‌ها، جای مفصل‌ها، فاصلهٔ ریل‌ها و نصب قطعات. دلیلش دیتاست آموزشیه: CCORE ThreeJS-3D-GLB-Assets با ۳۹۱۸ نمونهٔ تست‌شده و رندرشده تو ۴۰ حوزه، مثل کاراکتر، سلاح، وسیلهٔ نقلیه و معماری. یعنی مدل هزاران نمونه از اتصال درست قطعات رو قبلاً دیده، ولی یه مدل عمومی باید هر بار از صفر حدس بزنه.

نویسنده مزیت مدل تخصصی رو تو سه چیز می‌بینه: هزینه، چون مدل ۴B راحت روی GPU محلی جا می‌شه؛ قابل‌اعتماد بودن خروجی، چون دقیقاً روی همین فرمت آموزش دیده؛ و یکدستی جزئیات. در عوض DeepSeek انعطاف بیشتری داره و به این حوزهٔ کوچیک محدود نیست. خود model card هم قبول می‌کنه که بعضی درخواست‌ها نیاز به تلاش دوباره یا اصلاح کوچیک کد دارن و بهتره فایل GLB رو تو ادیتور مقصد چک کنی، چون متریال و نور و انیمیشن ممکنه با پیش‌نمایش فرق کنه.

نکتهٔ مهم برای اجرا اینه که مدل خیلی توکن مصرف می‌کنه. نمونه‌های آموزشی تا ۷۲ هزار توکن بودن و جواب‌ها به‌طور میانگین حدود ۲۰ هزار توکن هستن. اگه خروجی رو روی ۸ هزار توکن محدود کنی، کد وسط راه قطع می‌شه. تنظیمات پیشنهادی: خروجی نامحدود، thinking روشن، temperature برابر 0.8، top-K برابر 40 و top-P برابر 0.95. وزن‌ها به شکل Q4_K_M، Q8_0 و Safetensors اصلی (حدود ۱۷.۴۹ گیگ) با لایسنس Apache 2.0 منتشر شدن. یه بازی مرورگری به اسم RIFTWARD هم با asset‌های همین مدل ساخته شده.

نکات کلیدی:

• مدل ۴B، فاین‌تیون‌شده از Qwen3.5-4B، با لایسنس Apache 2.0.
• خروجی یه صفحهٔ HTML با Three.js و دکمهٔ Export GLB هست، نه مستقیم فایل سه‌بعدی.
• دیتاست آموزشی: ۳۹۱۸ نمونهٔ رندرشده تو ۴۰ حوزه، که عمومی هم منتشر شده.
• جواب‌ها میانگین ۲۰ هزار و تا ۷۲ هزار توکن؛ سقف ۸K خروجی رو خراب می‌کنه.
• در برابر DeepSeek V4.1 Flash تو جزئیات مکانیکی بهتره، ولی انعطاف کمتری داره.
• بعضی خروجی‌ها هنوز نیاز به تلاش دوباره یا اصلاح دستی دارن.